ESMO GI 2026：AI生物标志物在癌症诊疗中的临床价值
在ESMO GI 2026上，专家介绍了EBAI框架，将基于AI的生物标志物分为三个验证层级。临床数据显示，AI检测MSI的灵敏度为96%–98%，MRI引导的近距离放疗改善了无复发生存率。
在2026年ESMO胃肠道肿瘤大会（ESMO Gastrointestinal Cancers Congress 2026）上，专家们强调，人工智能正超越图像识别，在手术、病理和影像引导介入等领域提供临床价值。他们还介绍了肿瘤学中基于人工智能的生物标志物的ESMO基本要求（EBAI），该框架将基于AI的生物标志物分为三个层级，并明确了每个层级的最低验证要求。
在结直肠癌领域，MSIntuit算法可直接从常规苏木精-伊红（H&E）染色切片中检测微卫星不稳定性，灵敏度达96%–98%（Nat Commun. 2023;14:6695）；同时，已有深度学习模型用于基于胃癌治疗前CT影像预测淋巴结转移（eClinicalMedicine. 2024;75:102805）。专家认为，该领域正进入一个新阶段，临床价值与技术性能同等重要。
在手术AI领域，使用AI平台EUREKA X的概念验证数据量化了机器人直肠癌手术中疏松结缔组织的保留程度。在一项纳入44例患者的匹配病例对照研究中，AI衍生的组织保留指标与术后排尿功能障碍相关；当与患者年龄结合时，该模型的曲线下面积约为0.81。研究人员建议，未来AI系统可在手术中提供实时反馈，并指出“未来不是AI与外科医生对抗，而是AI增强的外科医生。”
在影像引导介入领域，MRI引导的组织间近距离放疗正在扩大不适合热消融的肝肿瘤的治疗选择，能够显示常在CT上不可见的病灶。在前瞻性MR BRIGHT研究（Z Gastroenterol 2025; 63(01): e45）中，MRI引导的近距离放疗较CT引导治疗获得了显著更高的局部无复发生存率（95.1%对79.9%；p=0.027），同时大幅减少了对健康肝组织的低剂量辐射暴露（15%对43%）。机器学习算法可加速MRI图像重建并减少伪影，使实时MRI引导日益切实可行。
病理学可能是AI从研究转向常规实践最为明显的领域。专家将AI描述为四种发展趋势交汇的产物：生物标志物版图不断扩大、病理学工作量日益增加、数字病理学广泛采用以及诊断变异性持续存在。EBAI框架概述了算法如何从标准化现有生物标志物，发展到直接从H&E切片预测分子改变，并最终发现全新生物标志物，包括新兴的能够识别何时不应做出预测的模型（Ann Oncol. 2026;37(3):414–430）。